基于改進LBP的作物病斑圖像分割算法研究

許新華

摘要：本文立足于經典的LBP算法之上，提出一種基于鄰域相關度的改進LBP算子，將各個像素點與周圍像素點之間的相關性考慮在內，融合局部特征和全局特征，顯示圖像灰度值變化的強度，增加目標與背景的對比度信息，突出目標像素的顯著性，使病斑紋理更加顯著化，利于進一步分割。

關鍵詞：LBP;鄰域相關度;分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）04-0117-02

0 緒論

近年來，LBP因算法易于理解、計算簡單、區分能力強等優點被廣泛關注。經過改進出現了多尺度LBP、旋轉不變LBP、LBP等價模式以及旋轉不變等價模式LBP。但從紋理圖像的分割來看，雖然等價模式LBP算子獲得的紋理圖像特征辨識度較好，且在諸多領域被廣泛應用，但基本LBP及大多數改進方法僅考慮的是局部區域內中心像素與周圍鄰域像素的差值大小，忽略了圖像灰度值的變化情況，沒有考慮像素間鄰域信息的關聯性，缺乏對圖像紋理信息更全面有效的表達，而像素之間的關聯程度，恰恰體現了圖像的紋理復雜與否。

1 LBP算子概述

LBP（Local Binary Pattern，局部二值模式）是一種基于統計的用來描述紋理特征的有效算子，閾值由中心像素值是該算法的核心，相鄰域的像素值與該像素值一一比較，比閾值大的置為1，小于閾值置為0，得到與之對應二進制編碼，即表征局部紋理特性。

隨著研究的深入，LBP算子由于只在指定半徑的范圍內進行定義，不能達到灰度旋轉不變性要求，同時，對于多種尺寸和頻率的紋理特征描述也有不足又出現了多尺度LBP、旋轉不變LBP、LBP等價模式以及旋轉不變等價模式LBP。

2 基于改進的LBP圖像分割算法研究

2.1 LBP算子缺陷分析

一個3×3窗口，中心像素為6，鄰域像素順時針旋轉分別為1、1、3、5、5、5、3、2、3，可以看窗口內中心像素點的值比其鄰域內其他點都高，但其中一些像素點與中心像素點的差值較大，而有些與中心像素點差別較小，基本LBP算子依靠單個像素內的特征，只對差值大小進行考慮，主要是根據窗口內中心像素點與周圍鄰點間的像素差獲得紋理，存在對特征信息提取不全面，忽略了圖像灰度值的變化情況，一般灰度變化較大處，說明紋理較復雜。

2.2 鄰域相關度計算

像素之間具有鄰域信息相關的特性，相鄰像素間差異能反映像素間的關聯程度，即鄰域相關度。一個區域塊內像素點間的鄰域相關度越小，表明該鄰域塊內像素越接近，表現出的圖像紋理變化較平緩，相反，一個區域塊內像素點間的鄰域相關度越大，表明圖像紋理變化較大，因此可利用鄰域相關度表征圖像紋理，突出圖像中某些紋理的顯著性，將其利用在作物病斑圖像上，可以使病斑紋理顯著化。

3 結語

本文將相鄰像素之間的關聯性信息加入到所提取的特征中，使描述的紋理特征更精細，能夠使目標像素顯著化，運用在作物病害葉片圖像的分割處理中，即實現對病害葉片圖像的顯著化處理，使病斑凸顯，輪廓清晰，平滑正常葉片部分，利于病斑的分割。

參考文獻

[1] 郭艷蓉，蔣建國，郝世杰，等.基于LBP紋理特征的隨機游走圖像分割[J].電路與系統學報，2013，18（1）：357-364.

[2] 馮曉毅，羅妙宣，夏召強.基于JSEG和LBP相結合的遙感圖像分割[C].數字中國發展高層論壇暨信息主管峰會，2008.

[3] 詹曙，胡德鳳，蔣建國，等.結合GLWT和LBP提取紋理特征的圖像分割[J].電子測量與儀器學報，2014，28（2）：198-202.